Quel est l'algorithme sous-jacent pour le suréchantillonnage préservant les détails dans Photoshop CC?

L'algorithme de suréchantillonnage préservant les détails dans Photoshop CC est vraiment incroyable. Il peut mettre à l'échelle n'importe quelle image tout en préservant les détails presque en temps réel. Et je me demande vraiment comment il est mis en œuvre.

J'ai commencé par rechercher des articles avec des mots clés single image super resolution. Et il semble que les algorithmes de pointe actuels nécessitent une base de données externe formée pour deviner les informations haute fréquence manquantes. Et je crois qu'il est vraiment difficile de former et de distribuer un dictionnaire complet, non? De plus, je ne pense pas qu'il soit possible de former un dictionnaire avec une pyramide d'images en temps réel.

Après cela, je me suis tourné vers le domaine de image upsampling, qui semble assez rapide en comparaison avec les super resolutionalgorithmes, mais il y a tellement d'algorithmes, je suis totalement perdu.

Alors, quelqu'un a-t-il des suppositions ou des conseils sur la façon dont cet outil peut être mis en œuvre? Merci!

Ce n'est vraiment rien au-delà de Bi Cubic Interpolation avec "Sharpening".

http://www.lynda.com/Photoshop-tutorials/interpolation-settings/124096/140573-4.html

Ils n'ont pas mis à jour leurs algorithmes d'interpolation depuis des lustres.

Il existe de nombreux algorithmes pour le suréchantillonnage "sensible aux contours". Je ne sais pas ce que Photoshop lui-même utilise, mais par exemple le plugin Alien Skin Blow Up donne des résultats similaires et ils utilisent la vectorisation en utilisant la triangulation. Les triangles sont soigneusement lissés tout en gardant l'image suréchantillonnée suffisamment nette.

Vous pouvez également jeter un œil à NEDI (New Edge-Directed Interpolation), ou « Upsampling via Imposed Edges Statistics » de Raanan Fattal.

Encore une autre approche consiste à convertir l'image en champ vectoriel (les vecteurs longent les bords), d'agrandir ce champ puis de recalculer le domaine spatial en utilisant un solveur PDE (les solveurs de Poisson rapides sont une option populaire).

Genuine Fractals d'OnOne Software montre une autre approche, utilisant la géométrie fractale, en particulier les IFS (systèmes de fonctions itératives), exploitant l'auto-similitude et permettant de recréer des données de texture d'apparence naturelle, pas seulement des bords. L'image approximative fractale est par définition indépendante de la résolution. J'ai écrit une fois un logiciel similaire, mais le calcul de la représentation fractale est coûteux, le rendu est par contre très rapide.